お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
[ログイン]
技報アーカイブ
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2020-09-02 16:30
動画像予測と対比学習による表現学習
中田秀基麻生英樹産総研PRMU2020-17
抄録 (和) 近年ラベルを用いない教師なし学習手法が発展し、
わずかな量のラベルを用いた下流タスクへの転移学習によって、
ラベルを用いた事前学習に匹敵するほどの精度が得られるようになっている。
これらの教師なし学習手法の多くは画像データを対象としており、
ランダムクロッピングなどの経験的に有効であることが知られている
データ水増し手法によって、帰納バイアスをモデルに与えている。
これに対してわれわれは、動画像のフレームの連続性を
帰納バイアスとして用いることを試みた。
具体的には、動画中の別フレームを用いる方法、
動画中のフレームを他のフレームから予測したものを用いる方法を試行した。
下流タスクとして画像識別を用いて評価を行った結果、
前者の手法では従来手法よりもやや性能が落ちるものの一定の効果があることを確認した。
また、後者の商法では従来手法に匹敵する性能が得られることを確認した。 
(英) The recent development in the unsupervised learning area enabled accuracy in the downstream tasks that equal the one with supervised pretraining using the labeled data, with transfer learning using a small amount of labeled data.
Most of these unsupervised methods rely on the data augmentation techniques, such as random cropping, known to be empirically effective in giving the models' induction bias.
We propose to use the inherent continuity of video frames instead of empirical data augmentation techniques.
Namely, we propose two methods, 1) use another frame in the same video clip as a positive sample, 2) predict a frame using other frames in the same clip and use the predicted frame as a positive sample.
We evaluated these methods with image classification as the downstream task. The result showed that while the former method could not achieve good accuracy, the second method equals
the traditional data augmentation techniques.
キーワード (和) 表現学習 / 対比学習 / 教師なし機械学習 / / / / /  
(英) Representation Learning / Contrastive Learning / Unsupervised Learning / / / / /  
文献情報 信学技報, vol. 120, no. 154, PRMU2020-17, pp. 59-64, 2020年9月.
資料番号 PRMU2020-17 
発行日 2020-08-26 (PRMU) 
ISSN Online edition: ISSN 2432-6380
著作権に
ついて
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034)
PDFダウンロード PRMU2020-17

研究会情報
研究会 PRMU  
開催期間 2020-09-02 - 2020-09-02 
開催地(和) オンライン開催 
開催地(英) Online 
テーマ(和) マルチモーダル・クロスモーダル 
テーマ(英) Multi-modal, Cross-modal 
講演論文情報の詳細
申込み研究会 PRMU 
会議コード 2020-09-PRMU 
本文の言語 日本語 
タイトル(和) 動画像予測と対比学習による表現学習 
サブタイトル(和)  
タイトル(英) Representation Learning using Video Frame Prediction and Contrastive Learning 
サブタイトル(英)  
キーワード(1)(和/英) 表現学習 / Representation Learning  
キーワード(2)(和/英) 対比学習 / Contrastive Learning  
キーワード(3)(和/英) 教師なし機械学習 / Unsupervised Learning  
キーワード(4)(和/英) /  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 中田 秀基 / Hidemoto Nakada / ナカダ ヒデモト
第1著者 所属(和/英) 産業技術総合研究所 (略称: 産総研)
National Institute of Advanced Industrial Science and Technology (略称: AIST)
第2著者 氏名(和/英/ヨミ) 麻生 英樹 / Hideki Asoh / アソウ ヒデキ
第2著者 所属(和/英) 産業技術総合研究所 (略称: 産総研)
National Institute of Advanced Industrial Science and Technology (略称: AIST)
第3著者 氏名(和/英/ヨミ) / /
第3著者 所属(和/英) (略称: )
(略称: )
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2020-09-02 16:30:00 
発表時間 15分 
申込先研究会 PRMU 
資料番号 PRMU2020-17 
巻番号(vol) vol.120 
号番号(no) no.154 
ページ範囲 pp.59-64 
ページ数
発行日 2020-08-26 (PRMU) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会